Daftar Isi
Hambatan dalam Mengoperasikan Artificial Intelligence Generative
Panelis pada Artificial Intelligence Summit New York 2023 membahas hambatan dalam menerapkan kecerdasan buatan generatif dan bagaimana mengatasinya. Perusahaan yang menerapkan model kecerdasan buatan generatif sering mengalami kesulitan untuk melampaui tahap konsep dan mengoperasikan pembelajaran mereka secara luas. Namun, mengidentifikasi hambatan-hambatan ini adalah langkah pertama untuk mengatasi masalah tersebut.
Mendapatkan data yang tepat, mengkurasi data, dan memperoleh metadata merupakan hambatan besar. Sesh Iyer, direktur BCG, menekankan pentingnya memastikan kelangsungan jalur data. Kecerdasan buatan belajar dari sejumlah besar data sehingga perusahaan perlu mengorganisir basis pengetahuan mereka untuk memberi makan model bahasa besar, tambah Gaurav Dhama, direktur pengembangan produk AI di Mastercard.
Hambatan lainnya adalah membangun struktur tata kelola yang tepat untuk mengelola risiko kecerdasan buatan generatif, kata Iyer. Terdapat masalah kepercayaan di kalangan pemimpin tingkat atas terkait penggunaan model bahasa besar dengan risiko-risiko yang terkait seperti keamanan, masalah hak cipta, halusinasi, dan lain-lain, tambah Lucinda Linde, ilmuwan data senior di Ironside, sebuah konsultan teknologi.
Hambatan-hambatan lainnya meliputi kurangnya tenaga yang mampu melakukan pekerjaan tersebut, perusahaan yang masih berjuang untuk fokus pada nilai bisnis atau pengembalian investasi (ROI), dan biaya kecerdasan buatan generatif yang masih fluktuatif yang membawa faktor ketidakpastian lainnya bagi bisnis, menurut Iyer. Tentu saja, hal ini disebabkan oleh sifat yang relatif baru dari kecerdasan buatan generatif.
Risiko dan Rekomendasi dalam Mengoperasikan Artificial Intelligence Generative
Karena risiko kecerdasan buatan generatif, Dhama melihatnya tetap berada dalam fase kopilot yang membantu manusia daripada otonom untuk waktu yang lama, terutama bagi perusahaan di industri yang sangat diatur seperti layanan keuangan. Artinya, manusia masih akan terlibat dalam proses tersebut. Terutama dengan kode, kecerdasan buatan generatif dapat memperkenalkan kerentanan keamanan. Kami menggunakannya dengan hati-hati dan keterampilan para programmer yang menggunakannya harus lebih tinggi, tambah Dhama.
Linde merekomendasikan untuk menggunakan kecerdasan buatan generatif secara internal terlebih dahulu, untuk meningkatkan produktivitas dan efisiensi karyawan, karena itu merupakan rute yang lebih aman daripada menggunakannya dalam aplikasi yang berhadapan langsung dengan pelanggan. Latihlah untuk mengimplementasikannya di kantor belakang sampai kepercayaan terbangun di dalam organisasi.
Namun, meskipun ada kesulitan dalam mempelajari teknologi baru ini, kecerdasan buatan generatif layak untuk dipelajari dan diimplementasikan, dengan peningkatan produktivitas yang berkisar antara 10% hingga 15% hingga 80% hingga 90%, menurut Iyer.
Drama OpenAI: Risiko Lainnya
Linde mengatakan praktik terbaik adalah menggunakan beberapa model, meskipun 95% kode kecerdasan buatan generatif yang ditulis saat ini menggunakan teknologi OpenAI. Pemecatan dan pengangkatan kembali CEO OpenAI, Sam Altman, baru-baru ini menunjukkan risiko bergantung hanya pada satu perusahaan kecerdasan buatan. Ini adalah peristiwa yang signifikan yang baru saja terjadi, tambah Linde.
Alasan lain untuk menggunakan beberapa model: Beberapa model melakukan sesuatu dengan lebih baik daripada yang lain. Jadi, baiknya mencoba hal-hal tersebut untuk melihat mana yang akan bekerja lebih baik. Misalnya, Mistral muncul tiba-tiba dan itu adalah model yang sangat baik, kata Linde.
Dhama menambahkan bahwa sebuah perusahaan membutuhkan rangkaian sistem sebagai aturan. Ketika merancang tumpukan kecerdasan buatan generatif, faktor-faktor yang perlu dipertimbangkan adalah akurasi, laten, dan biaya, kata Iyer.
Keunggulan Kompetitif dalam Mengoperasikan Kecerdasan Buatan Generatif
Ketika ditanya bagaimana perusahaan dapat membedakan diri mereka ketika semua orang menggunakan model dasar yang sama yang tersedia, para panelis mengatakan keunggulan kompetitif terletak pada data yang digunakan untuk menggerakkan kecerdasan buatan generatif. Itu ada pada data, bukan pada modelnya, kata Dhama. Pastikan untuk memadukan wawasan bisnis dengan operasi untuk mendapatkan nilai penuh dari kecerdasan buatan generatif. Namun, semuanya dimulai dengan data yang tepat. Jika Anda memiliki data, Anda menang, kata Iyer.
